-
公开(公告)号：CN118506112A
公开(公告)日：2024-08-16
申请号：CN202410962844.8
申请日：2024-07-18
Applicant: 湘潭大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于高阶交互卷积网络的高光谱图像分类方法，属于遥感影像信息处理领域，包括以下步骤：数据预处理；模型建立：设计一种基于高阶交互卷积网络的高光谱图像分类模型，其采用Swin Transformer的层次化结构，构建四级下采样模块和特征提取模块，再经解码器逐像素类别预测，其中特征提取模块包括高阶交互卷积模块和光谱空间线性双注意力模块；模型训练；模型验证推理。本发明引入RMKV架构替代VIT，提高了识别精度，将VIT的二次计算复杂度降低到线性水平；使用卷积框架实现了Transformer结构的自注意力操作，缓解了ViT中有限的局部信息交互和单一特征表示，提高了语义特征的识别精度。
-
公开(公告)号：CN117911879B
公开(公告)日：2024-06-07
申请号：CN202410318234.4
申请日：2024-03-20
Applicant: 湘潭大学 , 中水珠江规划勘测设计有限公司
IPC: G06V20/10 , G06V20/70 , G06V10/26 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 一种融合SAM的细粒度高分遥感影像变化检测方法，属于地理图像信息处理技术领域，包括以下步骤：步骤1，影像采集；步骤2，数据集预处理；步骤3，模型建立：设计一种融合SAM的细粒度高分遥感影像变化检测模型SCDM，通过在UNet语义分割模型嵌入SAM模块，提高变化检测模型的识别精度；通过细粒度的度量学习方法，提高变化比较算法的像素级差异检测的准确率；步骤4，模型训练：步骤5，模型测试推理。本发明引入了经过大量数据集训练的SAM模块，提高了语义特征的识别精度；基于余弦距离度量的方法对度量空间中的全局特征图进行建模，并通过细粒度的对比损失函数判断特征差异，提高了变化检测的整体精度、具有较好的鲁棒性。
-
公开(公告)号：CN118506112B
公开(公告)日：2024-10-01
申请号：CN202410962844.8
申请日：2024-07-18
Applicant: 湘潭大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于高阶交互卷积网络的高光谱图像分类方法，属于遥感影像信息处理领域，包括以下步骤：数据预处理；模型建立：设计一种基于高阶交互卷积网络的高光谱图像分类模型，其采用Swin Transformer的层次化结构，构建四级下采样模块和特征提取模块，再经解码器逐像素类别预测，其中特征提取模块包括高阶交互卷积模块和光谱空间线性双注意力模块；模型训练；模型验证推理。本发明引入RMKV架构替代VIT，提高了识别精度，将VIT的二次计算复杂度降低到线性水平；使用卷积框架实现了Transformer结构的自注意力操作，缓解了ViT中有限的局部信息交互和单一特征表示，提高了语义特征的识别精度。
-
公开(公告)号：CN117911879A
公开(公告)日：2024-04-19
申请号：CN202410318234.4
申请日：2024-03-20
Applicant: 湘潭大学 , 中水珠江规划勘测设计有限公司
IPC: G06V20/10 , G06V20/70 , G06V10/26 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 一种融合SAM的细粒度高分遥感影像变化检测方法，属于地理图像信息处理技术领域，包括以下步骤：步骤1，影像采集；步骤2，数据集预处理；步骤3，模型建立：设计一种融合SAM的细粒度高分遥感影像变化检测模型SCDM，通过在UNet语义分割模型嵌入SAM模块，提高变化检测模型的识别精度；通过细粒度的度量学习方法，提高变化比较算法的像素级差异检测的准确率；步骤4，模型训练：步骤5，模型测试推理。本发明引入了经过大量数据集训练的SAM模块，提高了语义特征的识别精度；基于余弦距离度量的方法对度量空间中的全局特征图进行建模，并通过细粒度的对比损失函数判断特征差异，提高了变化检测的整体精度、具有较好的鲁棒性。
-
-
-
Search Results
4
records
(took 0.013 seconds)
